OpenAI B2B Signals

Vandaag introduceren we B2B Signals, een zakelijke uitbreiding van OpenAI Signals⁠ die meet hoe AI zich binnen organisaties verspreidt. Het eerste signaal is duidelijk: vooroplopende bedrijven bouwen hun voorsprong uit, niet alleen omdat ze toegang hebben tot AI, maar omdat ze AI diepgaander inzetten in hun werk.

B2B Signals is een terugkerende reeks metingen die is gebaseerd op grootschalige analyse van het gebruik van enterprise-AI, waarbij privacy wordt gewaarborgd. Het volgt het gedrag en de patronen die organisaties kunnen helpen begrijpen hoe ze intelligentie kunnen omzetten in bedrijfswaarde.

Vooroplopende bedrijven (bedrijven die zich in het 95e percentiel van AI-gebruik bevinden) gebruiken meer intelligentie per medewerker, zetten geavanceerde tools intensiever in en integreren AI dieper in workflows. Voor sommige bedrijven begint deze voorsprong verder op te lopen, en het verschil komt steeds vaker voort uit de diepgang van het gebruik.

Belangrijkste punten

• Het voordeel van vooroplopende bedrijven begint zich op te stapelen: Koplopers gebruiken nu 3,5 keer zoveel intelligentie per medewerker als doorsneebedrijven, tegenover 2 keer zoveel een jaar geleden. 
• Vooroplopende bedrijven zetten AI diepgaander in, niet alleen vaker: Het berichtvolume verklaart slechts 36% van de kloof tussen AI-koplopers en doorsnee bedrijven. Het grootste deel van het voordeel van koplopers komt voort uit dieper gebruik. 
• Agentic workflows worden een graadmeter voor adoptie door vooroplopende bedrijven: De kloof is het grootst bij geavanceerde agentic tools, waarbij koplopers 16 keer zoveel Codex-berichten versturen als doorsnee bedrijven. 
• Bedrijven kunnen de kloof met vooroplopende organisaties dichten door organisatieverandering: Om een inhaalslag te maken, moeten bedrijven de diepgang van gebruik meten, governance prioriteren, investeren in enablement, opschalen wat werkt en overstappen van chatgebaseerde ondersteuning naar gedelegeerd werk met agents.

Het AI-voordeel begint zich op te stapelen en bedrijven die AI het meest diepgaand inzetten, vergroten hun voorsprong

Het uitrollen van licenties is voor ondernemingen slechts het startpunt. Het duidelijkere signaal is of medewerkers AI gebruiken voor diepgaander en complexer werk. Deze grafiek vergelijkt het aantal tokens per werknemer bij AI-koplopers (het 95e percentiel) met dat van andere bedrijven (het 50e percentiel).

Tokens zijn geen directe maatstaf voor bedrijfswaarde. Een kort antwoord kan zeer waardevol zijn, terwijl een lang antwoord weinig waarde kan hebben. Maar het aantal tokens helpt inzicht te geven in hoeveel werk medewerkers door AI laten uitvoeren, en is daarmee een bruikbare proxy voor de diepgang van AI-gebruik en de hoeveelheid intelligentie die zij van AI vragen.

Vooroplopende bedrijven vragen 3,5 keer zoveel intelligentie per medewerker als andere bedrijven. Dit verschil is toegenomen van twee keer in april 2025, wat suggereert dat bedrijven die AI het meest intensief gebruiken hun voorsprong vergroten en beter in staat zijn om nieuwe AI-mogelijkheden om te zetten in diepgaander, complexer werk.

Het grootste deel van de voorsprong van koplopers komt voort uit diepgaander gebruik, en niet uit een hoger volume van berichten

Het vooroplopende bedrijf vereist aanzienlijk meer intelligentie per werknemer dan het doorsneebedrijf, maar het grootste deel van de kloof laat zich niet verklaren door alleen het berichtvolume. Deze grafiek laat zien waar het verschil van 3,5 keer uit bestaat: zelfs als andere bedrijven berichten in hetzelfde tempo zouden versturen als koplopers, zouden ze slechts 36% van dat verschil dichten.

De resterende kloof hangt samen met diepgaander gebruik. In organisaties die vooroplopen laten medewerkers AI complexer werk oppakken, geven ze modellen meer context mee en genereren ze inhoudelijk sterkere output.

Het verschil is het grootst bij geavanceerde en agentic tools, met Codex-gebruik dat zestien keer hoger ligt

Het verschil is het grootst voor tools die geavanceerdere workflows ondersteunen. Codex laat het grootste verschil zien, waarbij de vooroplopende groep 16 keer meer berichten per werknemer verstuurt. ChatGPT Agent, Apps in ChatGPT, diepgaand onderzoek en GPT's laten ook relatief grote verschillen zien, wat erop wijst dat AI-koplopers beter zijn in het benutten van tools die medewerkers helpen met programmeren, het delegeren van taken met meerdere stappen, het toepassen van bedrijfscontext en het uitvoeren van complexer onderzoek.

Daarentegen laten algemeen inzetbare en toegankelijke tools zoals uploads van gebruikers, zoeken en gegevensanalyse een kleiner verschil zien. Deze tools zijn voor de meeste bedrijven gemakkelijker te gebruiken, omdat ze vertrouwde workflows uitbreiden. Het verschil is het grootst bij geavanceerde en agentic tools, waar adoptie meer expertise vraagt, aansluiting op kennis en tools binnen de organisatie, en meer vertrouwen in het delegeren van werk aan AI.

Het grootste voordeel zien we in onderwijs en leren

De voorsprong van AI-koplopers is het grootst bij onderwijs- en leertaken; daar versturen deze bedrijven zeven keer zoveel berichten als andere bedrijven. Vooroplopende bedrijven gebruiken AI om werknemers te helpen vaardigheden te ontwikkelen en zich nieuwe onderwerpen eigen te maken. Ze gebruiken AI ook om hun inzicht in AI zelf te vergroten, inclusief wat AI kan doen, hoe ze AI goed kunnen gebruiken en waar AI in bestaande workflows kan passen. De omvang van de voorsprong suggereert dat andere bedrijven AI mogelijk nog onvoldoende benutten als hulpmiddel voor de ontwikkeling en het leren van medewerkers.

Ook bij programmeren is het verschil groot (ongeveer vier keer zo groot), in lijn met het bredere verschil in het gebruik van geavanceerde en agentic tools. De kleinste verschillen doen zich voor bij praktische begeleiding en bij schrijven en communicatie, waarschijnlijk omdat deze taken toegankelijkere en bekendere toepassingen van AI zijn.

Het gebruik van AI is het breedst bij schrijven, maar functiespecifiek gebruik neemt toe

Communicatie en schrijven blijven de meest voorkomende toepassingen van ChatGPT. Toch verschillen de gebruikspatronen aanzienlijk per functie. 60% van de berichten binnen IT en Security is geconcentreerd in instructies en procedurele richtlijnen, bijna de helft van de berichten binnen Software Development en Data Science en Engineering heeft betrekking op programmeren, en een tiende van de berichten binnen Finance heeft betrekking op analyse en berekening.

Deze patronen zijn in overeenstemming met breder bewijs dat grensverleggende modellen beter worden in economisch waardevolle taken op de werkplek. GDPval⁠, een evaluatie van kenniswerk uit de praktijk in 44 beroepen, meet prestaties op taken die praktische werkproducten opleveren, zoals documenten, spreadsheets, dia’s, diagrammen en multimedia. Naarmate AI steeds capabeler wordt, lijkt het gebruik binnen ondernemingen zich uit te breiden naar taken die nauwer verbonden zijn met het kernwerk van elke bedrijfsfunctie.

Leiderschap binnen sectoren is niet eendimensionaal: verschillende sectoren lopen voorop bij ChatGPT, Codex en de API

Er is geen eenduidig leaderboard voor AI-adoptie. Sectorranglijsten variëren afhankelijk van de gebruikte maatstaf. Professionele, wetenschappelijke en technische diensten staan op de eerste plaats in zowel Codex-adoptie als API-intensiteit, wat wijst op relatief geavanceerd gebruik in workflows voor ontwikkelaars en in producten geïntegreerde workflows. Financiële dienstverlening en verzekeringen lopen voorop in de adoptie van ChatGPT dankzij grootschalige implementaties, terwijl onderwijsdiensten de hoogste berichtintensiteit hebben, wat wijst op diepgaander gebruik per persoon. Detailhandel en Gezondheid staan hoog gerangschikt op API-intensiteit, ondanks lagere posities op andere maatstaven.

Deze verschillen suggereren dat leiderschap binnen de sector niet eendimensionaal is. Sommige sectoren lijken AI toe te passen via technische en ontwikkelaarsworkflows, terwijl andere opschalen via brede adoptie van ChatGPT of intensiever gebruik door eindgebruikers.

Ondernemingen brengen API-gebruik naar productieworkflows en klantgerichte applicaties

Bedrijven gebruiken steeds vaker de API om modellen direct in producten, diensten en interne systemen te integreren. Veelvoorkomende toepassingen in productieomgevingen zijn onder meer in-app-assistenten, programmeer- en ontwikkelaarstools, klantenservice, onderzoeksworkflows en automatisering van workflows.

Deze implementaties laten zien hoe enterprise-AI de fase van experimenteren voorbij is en onderdeel wordt van herhaalbare workflows met meetbare impact op de bedrijfsvoering. In verschillende klantvoorbeelden gebruiken bedrijven OpenAI-modellen om kenniswerk te versnellen, de doorvoer van engineering te verbeteren en AI-gestuurde ervaringen te bouwen voor klanten en medewerkers.

Wat organisaties kunnen doen om koploper te worden

OpenAI werkt samen met ondernemingen in verschillende sectoren, functies en fasen van AI-volwassenheid, waardoor we inzicht krijgen in hoe adoptie zich ontwikkelt van experimenteren naar productie. Over deze implementaties heen richten de bedrijven die de meeste vooruitgang boeken zich doorgaans minder op alleen toegang en meer op de organisatorische systemen die nodig zijn om AI diepgaand te gebruiken: meting, governance, enablement, het opschalen van impact en de implementatie van autonome systemen.

Vijf praktijken springen eruit als praktische stappen die elke organisatie vandaag nog kan zetten om AI-adoptie te verdiepen.

1. Meet naast toegang ook de gebruiksintensiteit.
   De relevante indicator is niet alleen hoeveel werknemers een AI-account hebben, maar ook of teams AI in de loop van de tijd steeds substantiëler gebruiken. Organisaties zouden moeten bijhouden of AI-gebruik vaker voorkomt, complexer wordt en nauwer verbonden raakt met waardevolle workflows.
2. Bouw governance die gebruik in productie mogelijk maakt.
   Toonaangevende bedrijven gaan governance niet uit de weg. Ze gebruiken het om agentic AI makkelijker uit te rollen. Bedrijven hebben duidelijke regels nodig voor waar agents actief mogen zijn, welke informatie ze mogen gebruiken, wanneer ze moeten adviseren in plaats van handelen, en hoe mensen beslissingen met een hoger risico beoordelen. Vooroplopende bedrijven definiëren deze standaarden als onderdeel van het implementatieproces, zodat governance een manier wordt om adoptie veilig uit te breiden in plaats van die af te remmen.
3. Behandel enablement als kerninfrastructuur, niet als nevenproject.
   Naarmate AI-mogelijkheden verbeteren, hebben zowel werknemers als organisaties systemen nodig die hen helpen gelijke tred te houden. Vooroplopende bedrijven beschouwen enablement niet als een eenmalige trainingsactie. Ze integreren continu leren in de implementatie via rolspecifieke training, use case-workshops, hackathons, interne netwerken van ambassadeurs, gereserveerde experimenteertijd en gedeelde repositories met workflows, best practices en skills. 
4. Identificeer je vooroplopende teams en schaal hun impact.
   In veel organisaties is het meest geavanceerde gebruik geconcentreerd bij een klein aantal teams. Die teams kunnen inzicht geven in welke workflows, werkwijzen en operationele modellen effectief zijn. Leidinggevenden moeten deze teams identificeren, inzicht krijgen in de factoren die aan hun succes ten grondslag liggen en deze opschalen, en hen helpen inzichten en voorbeelden van diepgaander gebruik van AI te delen met de rest van het bedrijf. 
5. Van chatten naar werk delegeren.
   Enterprise-AI verschuift van chatassistenten naar werk dat aan agents kan worden gedelegeerd. Software-engineering illustreert deze trend, maar gedelegeerd werk breidt zich uit over verschillende functies heen. Met Codex kunnen engineers een afgebakende taak overdragen, de agent de context geven die deze nodig heeft, deze over verschillende bestanden, codebases en tools heen laten werken, en vervolgens het resultaat beoordelen en de workflow verfijnen op basis van feedback. Vooroplopende bedrijven moedigen medewerkers aan om taken aan AI te delegeren, in plaats van AI simpelweg als statische assistent te gebruiken.

Wil je de volledige resultaten bekijken of weten hoe je AI op een verantwoorde manier in jouw organisatie introduceert? [Neem dan gerust contact met ons op⁠].